Detecção de estradas rurais ilegais, localização de áreas com maior risco para a dengue e identificação de espécies vegetais e animais que indicam mudanças climáticas estão entre as principais aplicações de um projeto de mapeamento geográfico em larga escala liderado pelo professor Jefersson Alex dos Santos, do Departamento de Ciência da Computação (DCC). O estudo foi selecionado pelo Instituto Serrapilheira em sua quarta chamada pública de apoio à ciência e receberá até R$ 700 mil, ao longo de três anos.

Jefersson dos Santos lembra que esse tipo de mapeamento demanda técnicas de aprendizado em Inteligência Artificial (IA). O método consiste, basicamente, em apresentar à máquina imagens de determinado objeto para que ela seja capaz de identificar outros semelhantes. “Existem muitas estradas rurais em áreas isoladas, desconhecidas das autoridades, que são usadas para atividades ilegais. À medida que a máquina recebe referências, sua rede neural vai aprendendo e define modelos matemáticos para discriminar o que é estrada e o que não é”, exemplifica.

De acordo com o docente, a literatura sobre IA, especialmente quanto ao aprendizado profundo, tem avançado muito nos últimos anos. Mas no que se refere ao mapeamento geográfico em larga escala, como na Amazônia ou outros territórios brasileiros, há limitações. O objetivo de seu projeto é desenvolver abordagens computacionais para reduzir o abismo entre as técnicas existentes e as necessidades do mundo real.

“Muitas vezes, os dados disponíveis são insuficientes para treinar os modelos. Essa escassez é corrigida ao gerarmos amostras sintéticas – imagens que não são reais, mas que podem ajudar a rede a aprender”, explica Jefersson dos Santos, que coordena o Laboratory of Pattern Recognition and Earth Observation (Patreo), ligado ao DCC.

Identificação com base no contexto
A pesquisa que será empreendida ao longo dos próximos três anos, segundo o coordenador, deve levar ao aperfeiçoamento dos modelos de mapeamento geográfico, para que se tornem capazes de identificar objetos novos, além daqueles que já são conhecidos. “No caso das estradas, caso o sistema não as enxergue, deve então identificar ambientes adjacentes, como uma fazenda, ou outro tipo de atividade. Assim, com base no contexto, poderá estimar a existência de uma estrada”, detalha. A função é especialmente útil também no caso da identificação de espécies animais e vegetais em áreas endêmicas. “Uma mudança brusca nos padrões da biodiversidade é um forte indício de mudanças climáticas”, ilustra.

A metodologia proposta pelos pesquisadores do DCC requer a contribuição de múltiplas áreas do conhecimento. A investigação sobre regiões com maior potencial de infestação de Aedes aegypti, por exemplo, depende de estudos sobre a relação entre os vetores da dengue e as condições de moradia. “A presença de elementos como galinheiros ou ferros-velhos em uma região, detectada por imagens aéreas, pode sinalizar sua maior vulnerabilidade. Dessa forma, a acurácia da IA favorece o sucesso de uma operação preventiva das agências de controle de zoonoses”, complementa.

Mais de 500 projetos concorreram ao edital do Instituto Serrapilheira, e 12 foram selecionados. O concurso buscava pesquisas inovadoras, com questionamentos que colaboram para a compreensão essencial em ciências naturais, ciência da computação e matemática.

Além dos professores do DCC Fabrício Murai, Heitor Ramos e Renato Assunção, e dos egressos Hugo Oliveira (Instituto de Matemática de Estatística da USP) e Keiller Nogueira (University of Stirling), o projeto conta com os professores Raoni Rajão, da Escola de Engenharia da UFMG, e Francisco Chiaravalloti e José Marcato, da Faculdade de Saúde Pública da USP.